연구자들은 대규모 언어 모델의 계층적 메커니즘 추론을 평가하기 위해 새로운 대규모 추론 데이터셋과 FukuyamaBench 벤치마크를 개발했으며, 이는 현재 화학 LLM에서 흔히 발생하는 물리적 불일치를 해결합니다.

  • 본 연구는 Fukuyama의 고급 유기 반응 메커니즘 교재에서 파생된 어려운 벤치마크인 FukuyamaBench를 소개합니다.
  • 화학적 지능을 향상시키기 위해 새로운 데이터셋으로 미세 조정된 Qwen3-30B-A3B 모델이 훈련되었습니다.
  • 이 모델은 FukuyamaBench Set~A에서 8.3%의 정확한 경로 일치율을 달성하여, 전문적인 FlowER 모델의 5.1% 점수를 능가했습니다.

이는 메커니즘 인식 훈련이 언어 모델의 화학적 추론 능력을 크게 향상시킨다는 것을 보여줍니다.